Wenlan文澜

面向 AI-native 时代的活个人知识库。Agents 捕捉学到的内容，你加入信任的来源，Wenlan 让有来源引用的页面保持最新。

开始使用在 GitHub 查看

Claude Code 插件Claude Code 记忆MCP 服务器本地 daemon

问题

每一次新的 AI session 都从冷启动开始。

工作已经发生，但 context 没有留下来。决策、修 bug 的教训和项目直觉都困在旧聊天里，没有帮到下一个 agent。

少一次 handoff，就足以让下一段对话重跑上一段工作。

Wenlan 带来什么

给 AI 工作用的 handoff 循环。

Wenlan 会在工作发生时捕捉决策、教训和下一步，并在下一个 agent 开始时加载 handoff。

下一段对话从 handoff 开始，而不是重新拼回过去。

刻意蒸馏

Wenlan 把重复出现的 context 变成有来源支持的页面。

当重复捕捉的内容值得变成可读页面时，运行 /distill。可选的本地模型或 API key 路径可以加入背景提取与页面更新。

下一次运行从有引用的 context 开始，而不是从 transcript 残留开始。

知识页面

工作会变成可重用的页面。

整理过的决策与教训会成为耐用页面，而不是被埋在聊天记录里。它们足够有组织，agent 能使用；也足够具体，人可以阅读。

你的工作不再只是 transcript 历史，而是开始变成项目知识。

混合存储

daemon 负责 recall，可读 artifacts 仍然可检查。

Wenlan 把原始 captures 保存在本地 daemon store 供 retrieval 使用，再投射出你可以打开、diff、移动的 pages、handoffs 和 status files。

Agents 从 daemon recall。你检查可读文件。

Hybrid retrieval，实测

少 96% tokens。诚实的 retrieval metrics。

Hybrid retrieval 不需要重放聊天历史，也能找到正确的本地 context。

表面	范围	结果
完整重放	不使用 retrieval	每次查询 4,505 tokens / query
LME_Oracle	CE-reranked，500 Q	每次查询 168 tokens / query · 93.6% R@5 · 0.883 NDCG@10
LME_S	CE-reranked，N=90 deep-S	每次查询 168 tokens / query · 87.7% R@5 · 0.822 NDCG@10

Retrieval-only snapshots。LME_Oracle 也记录 0.857 MRR；LME_S 在 90-question deep-S fixture 的 84 个可评分 rows 上记录 0.815 MRR。Token 对比是完整重放对 retrieved context。自己运行 harness。

常见问题

常见问题。

Wenlan 是什么？+

Wenlan 是为 AI 工作而生的活个人知识库。Agents 捕捉学到的内容，你加入信任的来源，本地 daemon 让有来源引用的页面跨 chats、tools、projects 和时间保持最新。

Wenlan 和内建 AI memory 有什么不同？+

内建 memory 会保存 AI 认为重要的内容。你通常无法追踪、修正，或从另一个工具使用它。Wenlan 让 memory 留在本地、可见、可修正、可追溯。可读 pages、session logs 和 project status 都 versioned in ~/.wenlan/.git/，每个 distilled page 都会引用产生它的 source memory IDs。

Wenlan 的 retrieval quality 到哪里？+

Hybrid retrieval 结合 vector search (BGE-Base-EN-v1.5-Q, 768-dim)、FTS5、reciprocal-rank fusion、knowledge-graph context 和本地 BGE reranker。LME_Oracle 在 500-question snapshot 上是 93.6% Recall@5、0.857 MRR、0.883 NDCG@10。LME_S 在 stratified N=90 deep-S snapshot 上是 87.7% Recall@5、0.815 MRR、0.822 NDCG@10。Eval harness 放在 repo 的 crates/wenlan-core/src/eval/。

我的数据是私密的吗？+

是。Wenlan 在你的机器上运行，数据库也存放在本地。默认没有 cloud sync 或 telemetry。本地 memory setup 不需要模型或 API key。On-device models 或 Anthropic key 只有在你选择启用 automatic page distillation、recaps 和更丰富 graph work 时才会使用。

Wenlan 只是另一个 memory MCP 吗？+

不是。MCP server 只是 connector。Wenlan 还包含本地 daemon、manual /distill、可选的 model-backed background extraction 和 page work、具备 DiskANN vectors 的 libSQL store、FTS5 + knowledge graph、mandatory provenance、memory/page/session artifacts 的真实 git versioning，以及可读的 Markdown export paths。

哪些 AI tools 可以搭配 Wenlan？+

Claude Code 有 marketplace plugin。Cursor、Codex、Claude Desktop、VS Code、Gemini CLI 等 MCP-compatible clients 可通过 Wenlan 的 MCP server 连接。

Wenlan 能取代 Notion 或 Obsidian 吗？+

不能。Wenlan 不是 notes app，也不是 writing tool。它捕捉并整理你从 AI conversations 学到的内容。如果你想在 Obsidian 阅读，可以把 ~/.wenlan/ 底下的 Markdown projection symlink 进去。

我要怎么设置？+

在 Claude Code 中运行 /plugin marketplace add 7xuanlu/claude-plugins，接着运行 /plugin install wenlan@7xuanlu，然后运行 /init。其他 MCP clients 先运行 npx -y wenlan setup，再运行 ~/.wenlan/bin/wenlan mcp add codex、cursor、claude-desktop、vscode 或 gemini。

Wenlan 支持 Windows 或 Linux 吗？+

支持。daemon 可以在 macOS (arm64, x64)、Linux (x86_64, aarch64; glibc) 和 Windows (x86_64) build 并运行。Service registration 在 macOS 使用 launchd、Linux 使用 systemd-user、Windows 使用 Task Scheduler (schtasks)。

我可以把工作和个人 memory 分开吗？+

可以。Memories、pages 和 recalls 都属于一个 space，例如 work、personal 或 client-X。你可以用 WENLAN_SPACE 在每个 shell 设置 active space，或在 ~/.wenlan/spaces.toml 声明。Auto-detector 也会从当前 repo 或 workspace 选择 space。

Wenlan 免费吗？+

是。Wenlan 是 open-source。Wenlan repo 里的本地 runtime、CLI、MCP server 和 Claude Code plugin files 都是 Apache-2.0。

开源

在重要的地方保持开放。

本地 runtime、CLI、MCP server 和 Claude Code plugin 都是 Apache-2.0。

开始使用在 GitHub 查看

获取 release 更新。